labelImg github:https://github.com/tzutalin/labelImg exe下载:https://tzutalin.github.io/labelImg/
用于深度网络训练的数据集做标注的方法和工具有好多,像Labelme、labelImg、yolo_mark、Vatic、Sloth等等,此处暂时只介绍其中的一种标注工具:labelImg。
常见的图片标注工具
这款工具是全图形界面,用Python和Qt写的,最牛的是其标注信息可以直接转化成为XML文件,与PASCAL VOC以及ImageNet用的XML是一样的。
MATLAB R2017a版本自带的trainingImageLabeler工具:Ground-Truth Labeling可以标记感兴趣的区域,如车道,汽车和交通标志,以及整个视频帧或时间间隔与相关信息,如天气条件。
$ pip install labelImg
$ labelImg
$ labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
由于Ubuntu系统自带python,这款软件在Ubuntu环境下的安装是最方便的。软件要求python版本在2.6以上,同时需要PyQt和lxml的支持。
Python2+Qt4
sudo apt-get install pyqt4-dev-tools
sudo pip install lxml
make qt4py2
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
Python3+Qt5
sudo apt-get install pyqt5-dev-tools
sudo pip3 install lxml
make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
在原作者的github下载源码压缩包,解压可得到名为labelImg-master的文件夹,进入该文件夹,在空白处使用“Shift+鼠标右键”,进入当前目录的命令行窗口,依次输入下面语句即可打开软件。
pyrcc4 -o resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
windos版本请不要把存放在中文目录下,否则打不开。
图像数据标注一般操作的顺序:“open file ” -----"create rectbox " -----"输入类别名称 "-----“change save dir ”-----“Save” 最后在保存文件的路径下生成.xml文件,.xml文件的名字是和标注照片的名字一样,如果要修改已经标注过的图像,.xml中的信息也会随之改变。得到的.xml 和PASCAL VOC所用格式一样!
热键 | 说明 |
---|---|
ctrl + A | 显示所有的框 |
ctrl + H | 隐藏所有的框 |
ctrl + d | 复制当前标签和矩形框 |
ctrl + E | 编辑标签 |
ctrl + F | fitwindow |
ctrl + J | move and edit Boxes |
ctrl + L | boxlineColor |
ctrl + o | openfile |
ctrl +Q | 退出软件 |
ctrl + r | 更改默认注释目标目录(xml文件保存的地址) |
ctrl + s | 保存 |
ctrl + u | 加载目录中的所有图像,鼠标点击Open dir同功能 |
ctrl + shift + F | fitWidth |
ctrl + shift + o | 打开的文件夹只显示.xml文件 |
ctrl + shift + s | |
ctrl + + | 放大 |
ctrl - - | 缩小 |
ctrl + = | 原始大小 |
a | 上一张图片 |
d | 下一张图片 |
w | 创建一个矩形框 |
del | 删除选定的矩形框 |
space | 将当前图像标记为已验证 |
↑→↓← | 键盘箭头移动选定的矩形框 |
Yolo_mark BBox-Label-Tool ImageLabel
参考:https://blog.csdn.net/qq_41185868/article/details/79945012 https://blog.csdn.net/j879159541/article/details/90401297 https://blog.csdn.net/Jesse_Mx/article/details/53606897 https://www.cnblogs.com/kekeoutlook/p/8063077.html https://blog.csdn.net/xunan003/article/details/78720189